亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

LF-YOLO: A Lighter and Faster YOLO for Weld Defect Detection of X-Ray Image

特征(语言学) 编码(集合论) 计算机科学 卷积(计算机科学) 人工智能 特征提取 模式识别(心理学) 图像(数学) 焊接 卷积神经网络 人工神经网络 计算机视觉 工程类 机械工程 哲学 集合(抽象数据类型) 程序设计语言 语言学
作者
Moyun Liu,Youping Chen,Jingming Xie,Lei He,Yang Zhang
出处
期刊:IEEE Sensors Journal [Institute of Electrical and Electronics Engineers]
卷期号:23 (7): 7430-7439 被引量:38
标识
DOI:10.1109/jsen.2023.3247006
摘要

X-ray image plays an important role in manufacturing industry for quality assurance, because it can reflect the internal condition of weld region. However, the shape and scale of different defect types vary greatly, which makes it challenging for model to detect weld defects. In this article, we propose a weld defect detection method based on convolution neural network (CNN), namely, lighter and faster YOLO (LF-YOLO). In particular, a reinforced multiscale feature (RMF) module is designed to implement both parameter-based and parameter-free multiscale information extracting operations. RMF enables the extracted feature map to represent more plentiful information, which is achieved by a superior hierarchical fusion structure. To improve the performance of detection network, we propose an efficient feature extraction (EFE) module. EFE processes input data with extremely low consumption and improves the practicability of whole network in actual industry. Experimental results show that our weld defect detection network achieves satisfactory balance between performance and consumption and reaches 92.9 mean average precision (mAP50) with 61.5 frames/s. To further prove the ability of our method, we test it on the public dataset MS COCO, and the results show that our LF-YOLO has an outstanding versatility detection performance. The code is available at https://github.com/lmomoy/LF-YOLO .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
3秒前
璇仔发布了新的文献求助30
10秒前
雨yu完成签到 ,获得积分10
16秒前
19秒前
19秒前
chen发布了新的文献求助10
22秒前
24秒前
追寻绮玉完成签到,获得积分10
27秒前
简单的尔风完成签到 ,获得积分10
28秒前
开朗的又菱完成签到,获得积分10
46秒前
烟花应助自信的尔丝采纳,获得10
56秒前
酷波er应助科研通管家采纳,获得10
57秒前
自信的尔丝完成签到,获得积分10
1分钟前
大个应助jw82采纳,获得10
1分钟前
YANGLan完成签到,获得积分10
1分钟前
1分钟前
郜雨寒发布了新的文献求助10
1分钟前
老孟发布了新的文献求助10
1分钟前
L100_plus完成签到,获得积分10
1分钟前
刘哈哈完成签到 ,获得积分10
1分钟前
2分钟前
嗯哼应助Vce April采纳,获得20
2分钟前
dolphin完成签到 ,获得积分0
2分钟前
Darcy完成签到,获得积分10
2分钟前
2分钟前
2分钟前
英姑应助研友_闾丘枫采纳,获得10
2分钟前
zzz发布了新的文献求助10
2分钟前
盛事不朽完成签到 ,获得积分10
2分钟前
2分钟前
田恬完成签到,获得积分10
2分钟前
2分钟前
情怀应助过时的雅霜采纳,获得10
2分钟前
布同完成签到,获得积分10
2分钟前
2分钟前
调研昵称发布了新的文献求助10
2分钟前
和谐续完成签到 ,获得积分10
2分钟前
zzz完成签到,获得积分10
2分钟前
调研昵称发布了新的文献求助10
2分钟前
朱朱子完成签到 ,获得积分10
2分钟前
高分求助中
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3183668
求助须知:如何正确求助?哪些是违规求助? 2833619
关于积分的说明 7995277
捐赠科研通 2495956
什么是DOI,文献DOI怎么找? 1331799
科研通“疑难数据库(出版商)”最低求助积分说明 636425
邀请新用户注册赠送积分活动 603582